Baixe o app para aproveitar ainda mais
Prévia do material em texto
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO CENTRO DE CIÊNCIAS DA SAÚDE FACULDADE DE FARMÁCIA PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIAS FARMACÊUTICAS ESTUDO DE INIBIDORES DE COLINESTERASES APLICANDO TÉCNICAS DE QSAR-2D (HQSAR) E DOCKING MOLECULAR SIMONE DECEMBRINO DE SOUZA Orientadores: Prof. Dr. CARLOS RANGEL RODRIGUES Prof. Dr. LUCIO MENDES CABRAL Rio de Janeiro – 2012 ii SIMONE DECEMBRINO DE SOUZA ESTUDO DE INIBIDORES DE COLINESTERASES APLICANDO TÉCNICAS DE QSAR-2D (HQSAR) E DOCKING MOLECULAR Orientadores: Prof. Dr. Carlos Rangel Rodrigues Prof. Dr. Lucio Mendes Cabral Rio de Janeiro 2012 iii Ficha Catalográfica iv SIMONE DECEMBRINO DE SOUZA ESTUDO DE INIBIDORES DE COLINESTERASES APLICANDO TÉCNICAS DE QSAR-2D (HQSAR) E DOCKING MOLECULAR. Aprovada em _____ de ________________ de 2012. ____________________________________________________________ Prof. Dr. Carlos Rangel Rodrigues - Orientador Faculdade de Farmácia – UFRJ (Presidente) ____________________________________________________________ Profa. Dra. Suzana Guimarães Leitão Faculdade de Farmácia – UFRJ ____________________________________________________________ Prof. Dr. Carlos Mauricio Rabello de Sant'Anna Instituto de Ciências Exatas – UFFRJ ____________________________________________________________ Profa. Dra. Nuria Cirauqui Diaz Faculdade de Farmácia – UFRJ ____________________________________________________________ Profa. Dra. Claudia Pinto Figueiredo Faculdade de Farmácia – UFRJ ____________________________________________________________ Profa. Dra Yraima Moura Lopes Cordeiro Faculdade de Farmácia – UFRJ 2012 v vi AGRADECIMENTOS A DEUS pelo privilégio de sentir sua presença em minha vida e por todas as oportunidades de conquistas pessoais. A Ele, toda honra e glória. À minha irmã, Cristina Lopes de Souza, que me ensinou o valor da paciência e do amor verdadeiro, sem ela, não seria o que sou hoje. Ao meu esposo, Marcelo Santos de Souza, pela força, amor, compreensão e paciência durante todos os momentos da minha vida. Agradeço por me ensinar o valor da persistência e por não deixar que eu desistisse dos meus sonhos. Aos meus filhos, Marcella e William, presentes de DEUS pra mim, meus melhores projetos de vida! Obrigada pela alegria que me dão a cada dia. Ao Prof. Dr. Carlos Rangel Rodrigues, meu orientador, pelo incentivo constante e por ter acreditado no meu potencial. Obrigada, por toda a atenção dedicada, por sua amizade e por tornar meu doutorado possível. Ao Prof. Dr. Lucio Mendes Cabral, por sempre estar disponível a ouvir, ajudar e contribuir com meu trabalho. À Profa. Dra. Alessandra Mendonça Teles de Souza, pela amizade, compreensão, paciência e sabedoria transmitida. Sua ajuda foi muito importante pra mim. À Profa. Dra. Ana Carolina Rennó Sodero, pela amizade, atenção e ensinamentos preciosos pra mim. Sempre presente, sempre disposta a ajudar. Pela a ajuda com os dockings no Autodock. Meu muito obrigada por sua ajuda! À aluna de doutorado Bárbara Abrahim Vieira, pela amizade, por sua colaboração preciosa no meu trabalho de doutorado. Obrigada por domar o Autodock! Aos membros do laboratório ModMolQSAR pela amizade, ajuda e apoio. Todos foram importantes nesta conquista. Especialmente à Ana Carolina Corrêa, por sua sinceridade e carinho e à Riethe por sua ajuda técnica!!! À Profa. Dra. Magaly Girão Albuquerque, por sua ajuda, amizade e conhecimento nos momentos importantes deste trabalho. Pelas preciosas correções, meu muito obrigada! Aos professores do Programa de Pós-Graduação em Ciências Farmacêuticas, pelos ensinamentos necessários à minha formação. À Banca Examinadora, pelo aceite e pelas contribuições valiosas para este trabalho. A todas as pessoas que não citei, mas colaboraram direta ou indiretamente para o desenvolvimento deste trabalho. Obrigada, sem vocês, eu não teria chegado até aqui. À Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) pelos recursos financeiros fornecidos. vii RESUMO A doença de Alzheimer (DA) é uma desordem neurodegenerativa associada à perda de neurônios colinérgicos no cérebro, que acomete mais de 30 milhões de pessoas por ano no mundo. A diminuição da transmissão colinérgica central está relacionada com esta patologia, portanto, o aumento desta transmissão pelo uso de inibidores de acetilcolinesterase (AChE) e butirilcolinesterase (BChE), tem sido considerado como a melhor abordagem para a DA. Na primeira parte deste estudo, uma serie de 36 derivados 4-[(dietilamino)-metil]-fenol com atividade inibitória sobre AChE e BChE, extraída da literatura, foi estudada por QSAR-2D, empregando análise de fragmentos estruturais HQSAR ("Hologram Quantitative Structure-Activity Relationship”). Foram construídos e validados modelos de HQSAR para as duas atividades que mostraram resultados estatísticos significativos (AChE: r2 = 0,974 e q2 = 0,897; BChE: r2 = 0,945 e q2 = 0,883) e baixos valores residuais entre atividade experimental e calculada. O mapa de contribuição de atividade, mostrou que unidades estruturais contendo região aromática e um tamanho maior da cadeia lateral colaboram para o aumento da inibição. Na segunda parte do trabalho, foram realizados estudos de docking molecular dos inibidores nas enzimas AChE e BChE. Na ausência da estrutura 3D da BChE de cavalo, a mesma foi construída por modelagem comparativa usando o programa Modeller. O melhor modelo 3D foi utilizado nas simulações de docking molecular, empregando os programas AutoDock e Molegro Virtual Docker (MVD). Os resultados de docking molecular no sítio ativo da AChE indicaram um modo de ligação preferencial dos derivados de maior atividade inibitória, ocupando tanto a cavidade catalítica quanto o sítio aniônico periférico (PAS, do inglês peripheral anionic site). A análise do complexo do derivado com perfil mais ativo com a AChE revelou uma interação por ligação hidrogênio com o resíduo Tyr121 e duas interações cátion-π com os resíduos Trp84 e Trp279. Este padrão não foi observado para os derivados de menor atividade, que apresentaram, de um modo geral, uma interação por empilhamento π-π com o resíduo Tyr334, com deslocamento no sítio PAS, devido à cadeia lateral mais curta, impedindo uma interação com Trp279, descrita na literatura como importante para a inibição. Os resultados de docking molecular no sítio ativo da BChE indicaram que os compostos de maior atividade apresentaram interações com os resíduos Trp79, Asp67, Tyr329 e Leu283. Os compostos de menor perfil inibitório não apresentam interações com o resíduo Leu283, devido à cadeia lateral mais curta. Esta interação parece ser importante para a atividade inibitória contra a BChE. A partir das informações obtidas nestes estudos, novos inibidores de AChE e BChE foram propostos e apresentaram um melhor perfil inibitório sobre BChE previsto pelo modelo de HQSAR, que foi corroborado por estudos de docking molecular, apresentando uma proximidade com a His435 da tríade catalítica. Palavras-chave: Alzheimer; Acetilcolinesterase, Butirilcolinesterase, Modelagem Comparativa; Docking Molecular. viii ABSTRACT Alzheimer's disease (AD) is a neurodegenerative disorder associated with loss of cholinergic neurons in the brain, which affects over 30 million people per year worldwide. The decrease in central cholinergic transmission is related to this pathology, therefore, the increase of this transmission, through the use of inhibitors of acetylcholinesterase (AChE) and butyrylcholinesterase (BChE), has been considered as best approach to AD. In the first part of this study, a series of 36 4 - [(diethylamino) methyl] phenol derivatives with potential inhibitory power against AChE and BChE, was taken from the literature and it's been analyzed through QSAR-2D, using HQSAR ("Hologram Quantitative Structure-Activity Relationship”) structural fragments. HQSAR models were constructed and validated to both studies that showed significant statistical results (AChE: r2 = 0.974 and q2 = 0.897; BChE: r2 = 0.945and q2 = 0.883) and lower residual values between experimental and calculated activities. The activity contribution map generated by the study showed that the structural units containing the aromatic region and a larger side chain collaborate to increase inhibition. In the second part of the work were performed molecular docking studies of cholinesterase inhibitors. In the absence of 3D structure of BChE from horse, it was constructed by comparative modeling, using the Modeller program. The best 3D model was utilized in the simulations of docking molecular, using AutoDock and Molegro Virtual Docker (MVD) programs. The results of molecular docking in the active site of AChE indicated a preferred binding mode of derivatives that have higher inhibitory activity, occupying both the catalytic cavity as the anionic peripheral site (PAS). Analysis of AChE complex with the most active derivative revealed that it participates in a hydrogen bond with residue Tyr121, two cation-π interactions with residues Trp84 and Trp279. This profile was not observed for derivatives of lower activity, that showed, in general, a π-π stacking interaction with Tyr334 residue, which leads to a shift in the site of PAS, presumably due to the shorter side chain, preventing interaction with Trp279, which is reported in the literature as important for inhibition. The results of molecular docking in the active site of BChE indicated that compounds with higher activity performed interactions with residues Trp79, Asp67, Tyr329 and Leu283. Those compounds with low inhibitory profile showed no interaction with Leu283 residues, due to its shorter side chain, which seems to be important in the set of observed interactions to the inhibitory activity against BChE. From the information obtained in this study, new inhibitors of AChE and BChE were proposed and they presented a better inhibitory profile against BChE, predicted by HQSAR, corroborated by studies of molecular docking, close to the His435 catalytic triad. Keywords: Alzheimer's; Acetylcholinesterase, butyrylcholinesterase, Comparative Modeling, Molecular Docking. ix LISTA DE ILUSTRAÇÕES Figura 1. Prevalência da doença de Alzheimer – Aumento exponencial com a idade..... 2 Figura 2. Principais demências na terceira idade no Brasil (adaptado de HERRERA et al., 2002)................................................................................................................... 3 Figura 3. Clivagem da proteína precursora amiloide (PPA) (1) iniciado pelas enzimas β e γ secretases (2) gerando peptídeos da família β amilóide e suas isoformas Aβ42 e Aβ40 (3) (adaptado de WEINER et al., 2012). ........................................................ 4 Figura 4. Formação de oligômeros de proteínas β amilóides (1), agregação dos oligômeros (2) e formação de placas amilóides com perda da capacidade de realizar sinapses (3) (adaptado de Kung, 2012) ....................................................... 5 Figura 5. Representação esquemática do sítio ativo da acetilcolinesterase (Araújo, 2010)......................................................................................................................... 9 Figura 6. Representação esquemática do mecanismo de hidrólise da acetilcolina pela acetilcolinesterase (Araújo, 2010). ......................................................................... 10 Figura 7. Estrutura dos principais fármacos utilizados no tratamento do Alzheimer .... 13 Figura 8. Estrutura geral dos derivados fenólicos (adaptado de Yu et al, 2010) ........... 13 Figura 9. Geração de um holograma molecular (Tong et al., 1998). ............................. 18 Figura 10. Exemplo de representação das contribuições atômicas individuais............. 19 Figura 11. Etapas da construção de um modelo 3D por modelagem comparativa(Adaptado de Marti-Renom et al, 2000)............................................. 21 Figura 12. Gráfico de Ramachandran exemplificando a estereoquímica de acordo com a distribuição dos ângulos phi e psi. Em vermelho, regiões mais favoráveis, em amarelo e creme, regiões permitidas; e em branco, regiões desfavoráveis. ......... 24 Figura 13. Exemplo do gráfico de Z-score (A) e gráfico de energia (B) obtidos pelo programa PRoSA.................................................................................................... 25 Figura 14. Estrutura 2D do ligante (íon decametônio, DME) extraído da estrutura 3D da AChE de Torpedo californica (PDB ID 1ACL)................................................ 37 Figura 15. Resultado da análise conformacional. A) Estrutura do confôrmero de menor energia do composto de menor cadeia lateral (composto 1). B) Conformações estendida e dobrada do composto 23. C) Seleção do confôrmero do composto mais ativo para inibição de AChE (composto 26) semelhante ao íon decametônio. ...... 43 Figura 16. Distribuição dos valores de atividade biológica (pIC50, M) dos compostos dos conjuntos de treinamento (A) e de teste (B) para AChE. ................................ 44 x Figura 17. Distribuição dos valores de atividade biológica (pIC50, M) dos compostos dos conjuntos de treinamento (A) e de teste (B) para BChE.................................. 44 Figura 18. Esquema dos diferentes parâmetros de distinção do fragmento. .................. 45 Figura 19. Gráfico do valores de pIC50 experimental versus predito dos conjuntos de treinamento e teste dos inibidores de AChE e BChE. ........................................... 49 Figura 20. Mapas de contribuição atômica dos compostos 26 (mais ativo) e 1 (menos ativo) para a inibição da AChE, e 24 (mais ativo) e 2 (menos ativo) para a inibição da BChE.................................................................................................................. 50 Figura 21. Alinhamento entre as sequências de BChE cavalo e BChE humana. Alinhamento foi construído com ClustalW (LARKIN et al., 2007), e a estrutura secundária foi atribuída pelo programa DSSP (KABSCH & SANDER, 1983). Em azul: folha β; em vermelho: α hélice; em amarelo:hélice 3-10. ............................. 53 Figura 22. Gráfico de Ramachandran para os modelos (A) Swiss-model e (B) Modeller obtidos pelo programa ProCheck. .......................................................................... 54 Figura 23. Em A) Gráfico de Z-score dos modelos avaliados. Modelo A gerado pelo SwissModel (Z-score = -10,63); Modelo B gerado pelo Modeller (Z-score = - 10,70), modelo 1P0M (Z-score= -9,69). Em B) Gráfico scores de resíduos dos modelos gerados. .................................................................................................... 55 Figura 24. Representação do modelo de homologia para butirilcolinesterase cavalo (BChE) construído pelo programa Modeller (modelo B). Resíduos do sítio ativo (Glu194, Ser195 e His435) são mostrados em em destaque. ................................. 56 Figura 25. Sobreposição do DME original obtida do cristal (amarelo) e da melhor pose de docking (roxo) com RMSD= 1,26Å. Principais resíduos de aminoácidos do sitio catalítico em destaque............................................................................................. 58 Figura 26. Sobreposição do DME original obtida do cristal (amarelo) e da melhor pose de docking (roxo) com RMSD= 1,51Å. Principais resíduos de aminoácidos do sitio catalítico em destaque............................................................................................. 59 Figura 27. Sobreposição do BUT original obtida do cristal (amarelo) e da melhor pose de docking (roxo) com RMSD= 0,96 Å. Principais resíduos de aminoácidos do sitio catalítico em destaque..................................................................................... 60 Figura 28. Sobreposição do BUT original obtida do cristal (amarelo) e da melhor pose de docking (roxo) com RMSD= 1,47 Å. Principais resíduos de aminoácidos do sitio catalítico em destaque.....................................................................................61 xi Figura 29. A) Representação da estrutura 2D e 3D do derivado 26; B) Representação da pose de menor energia encontrada no cluster de maior população; C) Clusters obtidos no docking do derivado 26 e estrutura cristal 1ACL. ................................ 63 Figura 30. Sobreposição das conformações de DME do cristal (amarelo) e derivado 26 (roxo) no sítio ativo de AChE. Principais resíduos do sítio ativo em destaque. Os átomos de nitrogênio e de oxigênio estão representados pelas cores azul e vermelho, respectivamente. .................................................................................... 64 Figura 31. A) Representação da estrutura 3D do derivado 26 na pose de menor valor de MolDock score (MVD); B) Representação da pose de menor valor de Rerank- score (azul) sobreposta ao DME do cristal original. .............................................. 65 Figura 32. Resultado de docking molecular do derivado 26 empregando o programa Pymol. A) Sobreposição das melhores poses obtidas pelo AutoDock (roxo) e MVD (azul); B) Principais interações obtidas pelo AutoDock; C) Principais interações obtidas pelo MVD. ................................................................................................. 66 Figura 33. Resultado de docking molecular do derivado 24 empregando programa Pymol A) Sobreposição das melhores poses obtidas pelo AutoDock (rosa) e MVD (azul); B) Principais interações obtidas pelo AutoDock; C) Principais interações obtidas pelo MVD. ................................................................................................. 67 Figura 34. Resultado de docking molecular do derivado 1 empregando programa Pymol A) Sobreposição das melhores poses obtidas pelo AutoDock (azul) e MVD (rosa); B) Principais interações obtidas pelo AutoDock; C) Principais interações obtidas pelo MVD............................................................................................................... 69 Figura 35. Resultado de docking molecular do derivado 6 empregando o programa Pymol A) Sobreposição das melhores poses obtidas pelo AutoDock (amarelo) e MVD (roxo); B) Principais interações obtidas pelo AutoDock; C) Principais interações obtidas pelo MVD. ................................................................................ 70 Figura 36. A) Representação da estrutura 3D do composto 24; B) Representação da pose de menor energia encontrada no cluster de maior população; C) Clusters obtidos no docking do derivado 24 e estrutura cristal do modelo de BChE gerado por homologia......................................................................................................... 73 Figura 37. Resultado de docking molecular do derivado 24 empregando programa Pymol A) Sobreposição das melhores poses obtidas pelo AutoDock (cinza) e MVD (verde); B) Principais interações obtidas pelo AutoDock; C) Principais interações obtidas pelo MVD. ................................................................................................. 74 xii Figura 38. Resultado de docking molecular do derivado 26 empregando programa Pymol A) Sobreposição das melhores poses obtidas pelo AutoDock (amarelo) e MVD (rosa); B) Principais interações obtidas pelo AutoDock; C) Principais interações obtidas pelo MVD. ................................................................................ 75 Figura 39. Resultado de docking molecular do derivado 2 empregando programa Pymol A) Sobreposição das melhores poses obtidas pelo AutoDock (vinho) e MVD (amarelo); B) Principais interações obtidas pelo AutoDock; C) Principais interações obtidas pelo MVD. ................................................................................ 77 Figura 40. Resultado de docking molecular do derivado 1 empregando o programa Pymol A) Sobreposição das melhores poses obtidas pelo AutoDock (azul) e MVD (verde); B) Principais interações obtidas pelo AutoDock; C) Principais interações obtidas pelo MVD. ................................................................................................. 78 Figura 41. Esquema da proposição de novos candidatos a inibidores de colinesterases, baseado na estrutura geral dos compostos 24 e 26. ................................................ 80 Figura 42. Resultado de docking molecular dos novos derivados e a AChE empregando programa Pymol. A) Principais interações com o derivado 24a; B) Principais interações como derivado 24b; C) Principais interações com o derivado 26a; C) Principais interações com o derivado 26b.............................................................. 84 Figura 43. Resultado de docking molecular dos novos derivados e a BChE empregando programa Pymol. A) Principais interações com o 24a; B) Principais interações como derivado 24b; C) Principais interações com o derivado 26a; C) Principais interações com o derivado 26b............................................................................... 86 xiii LISTA DE TABELAS Tabela 1. Estrutura química e atividade biológica (pIC50, M) dose inibidores de AChE e BChE. ..................................................................................................................... 32 Tabela 2. Distâncias entre os átomos de nitrogênio protonados, dos compostos e do íon decametônio............................................................................................................ 42 Tabela 3. Resumo dos índices estatísticos de HQSAR para diversas distinções de fragmentos (DF), utilizando o tamanho padrão do fragmento (4-7) para os inibidores da AChE e da BChE. ............................................................................. 46 Tabela 4. Resumo dos índices estatísticos de HQSAR na influência dos vários tamanhos de fragmentos (TF) utilizando os parâmetros de distinção fragmento B/C e A/B para inibidores de AChE e BChE, respectivamente. .............................................. 47 Tabela 5. Valores experimentais, preditos e residuais (pIC50Exp - pIC50Pred) de pIC50 (M) de inibidores de AChE e BChE utilizando os melhores modelos de HQSAR.48 Tabela 6. Atividade biológica estimada para os novos derivados fenólicos empregando modelos de HQSAR. .............................................................................................. 81 xiv ÍNDICE 1. INTRODUÇÃO .......................................................................................................... 1 1.1. DOENÇA DE ALZHEIMER ................................................................................ 1 1.1.1 HISTÓRICO.................................................................................................... 1 1.1.2 ASPECTOS EPIDEMIOLÓGICOS................................................................ 1 1.1.3 ETIOPATOGENIA DA DOENÇA DE ALZHEIMER ................................. 3 1.1.3.1 PLACAS SENIS.......................................................................................... 4 1.1.3.2 EMARANHADOS NEUROFIBRILARES ................................................ 5 1.1.3.3 HIPÓTESE COLINÉRGICA ...................................................................... 6 1.1.4 ACETILCOLINESTERASE........................................................................... 8 1.1.5 BUTIRILCOLINESTERASE ....................................................................... 10 1.1.6 TRATAMENTO DA DOENÇA DE ALZHEIMER.................................... 11 1.1.7 INIBIDORES DE SÍTIO DUAL DE COLINESTERASES ..................... 13 1.2. MODELAGEM MOLECULAR ......................................................................... 14 1.2.1. CORRELAÇÃO QUANTITATIVA ENTRE ESTRUTURA QUÍMICA E ATIVIDADE BIOLÓGICA. .................................................................................. 15 1.2.1.1. CORRELAÇÃO QUANTITATIVA ENTRE A ESTRUTURA QUÍMICA E A ATIVIDADE BIOLÓGICA UTILIZANDO FRAGMENTOS ESTRUTURAIS ..................................................................................................... 16 1.3. MODELAGEMCOMPARATIVA..................................................................... 19 1.4. DOCKING MOLECULAR................................................................................. 25 1.4.1 ALGORÍTMOS GENÉTICOS...................................................................... 27 1.4.2 AUTODOCK................................................................................................. 27 1.4.2 MOLEGRO VIRTUAL DOCKER ............................................................... 28 2.JUSTIFICATIVA.......................................................................................................28 3. OBJETIVOS ............................................................................................................. 29 3.1. OBJETIVOS ESPECÍFICOS .............................................................................. 30 4. MÉTODOS................................................................................................................ 31 4.1 CONSTRUÇÃO, OTIMIZAÇÃO E ANÁLISE CONFORMACIONAL DA SÉRIE DE COMPOSTOS EM ESTUDO .............................................................. 31 4.2 QSAR 2D (HQSAR) ............................................................................................ 31 4.2.1. Banco de dados............................................................................................. 31 4.2.2. Construção dos modelos de HQSAR para AChE e BChE ........................... 33 4.2.3 Parâmetros estatísticos usados para avaliar os modelos de QSAR ............... 34 4.3 CONSTRUÇÃO DO MODELO DE BCHE POR MODELAGEM COMPARATIVA ..................................................................................................... 34 4.3.1 Identificação e seleção de proteínas moldes.................................................. 35 xv 4.3.2 Alinhamento das seqüências primárias ......................................................... 35 4.3.3 Construção do modelo 3D ............................................................................. 35 4.3.4 Validação dos modelos e seleção do melhor modelo. ................................... 35 4.4 DOCKING MOLECULAR ............................................................................... 36 4.4.1 Obtenção das estruturas 3D das enzimas alvo............................................... 36 4.4.1.1 Acetilcolinsterase........................................................................................ 36 4.4.1.2 Butirilcolinesterase ..................................................................................... 37 4.4.2 AUTODOCK................................................................................................ 37 4.4.3.1 Preparação das enzimas .............................................................................. 37 4.4.3.2 Preparação dos ligantes .............................................................................. 38 4.4.3.3 Parâmetros de docking................................................................................ 38 4.4.4 MOLEGRO VIRTUAL DOCKER ............................................................... 39 5. RESULTADOS E DISCUSSÃO ............................................................................. 41 5.1 Construção otimização e análise conformacional dos compostos....................... 41 5.2 QSAR-2D (HQSAR) ........................................................................................... 43 5.3 MODELAGEM POR HOMOLOGIA DA BChE ................................................ 51 5.3.1 Identificação e seleção de proteínas moldes.................................................. 52 5.3.3 Construção do modelo ................................................................................... 53 5.3.4 Validação do modelo ..................................................................................... 54 5.4 DOCKING MOLECULAR.................................................................................. 56 5.4.1 VALIDAÇÃO DOS PROTOCOLOS DE DOCKING POR RE-DOCKING 56 5.4.1.1 ACETILCOLINESTERASE...................................................................... 57 5.4.1.1.1 AUTODOCK........................................................................................... 57 5.4.1.1.2 MOLEGRO ............................................................................................. 58 5.4.1.2 BUTIRILCOLINESTERASE .................................................................... 59 5.4.1.2.1.AUTODOCK........................................................................................... 59 5.4.1.2.2 MOLEGRO ............................................................................................. 60 5.4.2 DOCKING MOLECULAR DOS DERIVADOS FENÓLICOS................... 61 5.4.2.1 ACETILCOLINESTERASE...................................................................... 62 5.4.2.1.1. DOCKING MOLECULAR ENTRE OS DERIVADOS 26, 24, 1, 6 E ACHE ..................................................................................................................... 62 5.4.2.2 BUTIRILCOLINESTERASE .................................................................... 72 5.4.2.2.1. DOCKING MOLECULAR ENTRE OS DERIVADO 24, 26, 1, 2 E BCHE ..................................................................................................................... 72 5.5 PLANEJAMETO RACIONAL DE NOVOS DERIVADOS FENÓLICOS........ 79 5.5.1 ESTUDOS DE QSAR-2D (HQSAR) DOS NOVOS DERIVADOS FENÓLICOS .......................................................................................................... 81 5.5.2 ESTUDOS DE DOCKING MOLECULAR DOS NOVOS DERIVADOS FENÓLICOS .......................................................................................................... 82 xvi 5.5.2.1 Acetilcolinesterase...................................................................................... 82 5.5.2.2 BUTIRILCOLINESTERASE .................................................................... 84 6. CONCLUSÕES......................................................................................................... 87 7. REFERÊNCIAS.........................................................................................................88 1 1. INTRODUÇÃO 1.1. DOENÇA DE ALZHEIMER 1.1.1 Histórico Em 1907 o neuropatologista alemão Alois Alzheimer (1864-1915) publicou o histórico clínico de uma mulher que apresentava alterações de comportamento e deterioração cognitiva progressiva, referente a um quadro de demência que não podia ser classificado em nenhuma doença conhecida na época. Após o falecimento da paciente, em exame anatomopatológico, Alzheimer detectou dois tipos de lesões no tecido cerebral, conhecidos, atualmente, como placas senis (PS) e emaranhados neurofibrilares (ENF). No ano seguinte, outro pesquisador chamado Kraepelin começou a referir-se a essa condição como doença de Alzheimer (DA), alcunha pela qual é conhecida até hoje (MESULAM, 2000). Estudos neuropatológicos da década de 1970 mostraram que os substratos neuropatológicos da DA e da demência senil eram iguais e estas doenças passaram a ser consideradas formas do mesmo processo (TERRY, 1976) O significado do termo DA, descrito pela primeira vez como um demência pré- senil, tem mudado ao longo dos anos, abrangendo, agora, demência pré-senil, demência senil, comprometimento cognitivo leve e DA pré-clínica; todos estes dentro do contexto da patologia relacionada à DA (FERRER, 2012). Com o envelhecimento da população mundial, a DA passou de uma forma relativamente rara de demência para níveis epidêmicos, dando origem a uma enorme carga social e econômica, gerando interesse crescente tanto na população quanto a comunidade cientifica (NITRINI, 1999) 1.1.2 Aspectos Epidemiológicos A DA é uma doença neurodegenerativa progressiva, que causa perda de memória e altera as funções intelectuais superiores (ALCALA MDEL et al., 2003) , sendo a forma mais comum de demência em idosos, acometendo cerca de 50–60% detodos os casos entre as pessoas com mais de 65 anos de idade (MCDOWELL, 2001). A DA está associada a fatores de risco, como, idade avançada (BERTRAM et al., 2 1998) diabetes (MARTINS et al., 2006) hipertensão (KIVIPELTO et al., 2002), elevados níveis de colesterol (KIVIPELTO & SOLOMON, 2006) e fumo (ANSTEY et al., 2007). Geralmente, o quadro evolui para morte em torno de 8 a 10 anos após o início da doença (MOHS, 2005), onde a prevalência da DA cresce, exponencialmente, com o aumento da idade (Figura 1) (MEBANE-SIMS, 2009). Segundo a Organização Mundial de Saúde (WHO, World Health Organization; OMS, 2012), estima-se que existam, atualmente, cerca de 18 milhões de pessoas no mundo com DA e, numa projeção desse quadro para 2025, estima-se um aumento de 34 milhões casos. Grande parte deste aumento se dará nos países em desenvolvimento, devido ao envelhecimento da população. Atualmente, mais de 50% das pessoas com DA vivem em países em desenvolvimento e, em 2025, seria mais de 70%. Figura 1. Prevalência da doença de Alzheimer – Aumento exponencial com a idade. (WHO http://www.searo.who.intSection1823_8066.htm, em 21 de outubro de 2012) Aproximadamente 7,1% da população brasileira com 65 anos de idade ou mais tem alguma forma de demência (Figura 2), onde a DA é responsável por 55,1% dos casos; a demência vascular, por 9,3%, e a doença cérebro-vascular, por 14,4% (HERRERA et al., 2002). 1,45% 2,80% 6,60% 11,10% 23,60% 0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 65 70 75 80 85 90 Ta xa d e pr ed om ín io % Idade 3 Figura 2. Principais demências na terceira idade no Brasil (adaptado de HERRERA et al., 2002). 1.1.3 Etiopatogenia da doença de Alzheimer Demência é um termo geral que descreve uma variedade de doenças e condições que se desenvolvem quando as células nervosas do cérebro morrem ou deixam de funcionar normalmente. A morte ou o mau funcionamento dos neurônios provoca mudanças na memória, no comportamento e na capacidade de pensar com clareza. Na DA, estas alterações cerebrais prejudicam a capacidade do paciente de realizar funções básicas, como andar e engolir (ALZHEIMER'S-ASSOCIATION, 2012) A DA é descrita como uma síndrome multifacetada que surge como conseqüência de danos neuronais causados por múltiplas e distintas alterações biológicas, que se apresentam como características histopatológicas. Estas alterações são a deposição de substância amilóide na forma de placas senis (PS) nos vasos cerebrais e a perda neuronal associada a acúmulo intracelular de emaranhados neurofibrilares (ENF) nos neurônios (CUTLER & SRAMEK, 2001; WINBLAD et al., 2008). Além destas características, observa-se, também, a perda de sinapses e a depleção da inervação colinérgica cortical (CARAMELLI, 2000). As PS e os ENF podem estar presentes em cérebros normais senis, porém, em menor quantidade (RICHARD & AMOUYEL, 2001). Na DA, além dos ENF e das PS, pode-se observar perda de sinapses e depleção da inervação colinérgica cortical (CARAMELLI, 2000). Alzheimer 55,1% 3 Figura 2. Principais demências na terceira idade no Brasil (adaptado de HERRERA et al., 2002). 1.1.3 Etiopatogenia da doença de Alzheimer Demência é um termo geral que descreve uma variedade de doenças e condições que se desenvolvem quando as células nervosas do cérebro morrem ou deixam de funcionar normalmente. A morte ou o mau funcionamento dos neurônios provoca mudanças na memória, no comportamento e na capacidade de pensar com clareza. Na DA, estas alterações cerebrais prejudicam a capacidade do paciente de realizar funções básicas, como andar e engolir (ALZHEIMER'S-ASSOCIATION, 2012) A DA é descrita como uma síndrome multifacetada que surge como conseqüência de danos neuronais causados por múltiplas e distintas alterações biológicas, que se apresentam como características histopatológicas. Estas alterações são a deposição de substância amilóide na forma de placas senis (PS) nos vasos cerebrais e a perda neuronal associada a acúmulo intracelular de emaranhados neurofibrilares (ENF) nos neurônios (CUTLER & SRAMEK, 2001; WINBLAD et al., 2008). Além destas características, observa-se, também, a perda de sinapses e a depleção da inervação colinérgica cortical (CARAMELLI, 2000). As PS e os ENF podem estar presentes em cérebros normais senis, porém, em menor quantidade (RICHARD & AMOUYEL, 2001). Na DA, além dos ENF e das PS, pode-se observar perda de sinapses e depleção da inervação colinérgica cortical (CARAMELLI, 2000). Outros 21,2% Demência Vascular 9,3% Doença Cérebro- Vascular 14,4% 3 Figura 2. Principais demências na terceira idade no Brasil (adaptado de HERRERA et al., 2002). 1.1.3 Etiopatogenia da doença de Alzheimer Demência é um termo geral que descreve uma variedade de doenças e condições que se desenvolvem quando as células nervosas do cérebro morrem ou deixam de funcionar normalmente. A morte ou o mau funcionamento dos neurônios provoca mudanças na memória, no comportamento e na capacidade de pensar com clareza. Na DA, estas alterações cerebrais prejudicam a capacidade do paciente de realizar funções básicas, como andar e engolir (ALZHEIMER'S-ASSOCIATION, 2012) A DA é descrita como uma síndrome multifacetada que surge como conseqüência de danos neuronais causados por múltiplas e distintas alterações biológicas, que se apresentam como características histopatológicas. Estas alterações são a deposição de substância amilóide na forma de placas senis (PS) nos vasos cerebrais e a perda neuronal associada a acúmulo intracelular de emaranhados neurofibrilares (ENF) nos neurônios (CUTLER & SRAMEK, 2001; WINBLAD et al., 2008). Além destas características, observa-se, também, a perda de sinapses e a depleção da inervação colinérgica cortical (CARAMELLI, 2000). As PS e os ENF podem estar presentes em cérebros normais senis, porém, em menor quantidade (RICHARD & AMOUYEL, 2001). Na DA, além dos ENF e das PS, pode-se observar perda de sinapses e depleção da inervação colinérgica cortical (CARAMELLI, 2000). Demência Vascular 9,3% Doença Cérebro- Vascular 14,4% 4 1.1.3.1 Placas Senis As placas senis (PS), ou placas amilóides, são estruturas resultantes da deposição ou agregação que ocorre após a clivagem anormal da proteína precursora amilóide (PPA), uma glicoproteína com domínio extracelular extenso e domínio citoplasmático curto, encontrada em quase todas as células de mamíferos, presente em concentração elevada nos neurônios (ARAÚJO, 2010). As enzimas responsáveis pela clivagem da PPA são as α, β e γ secretases. Na DA, a PPA sofre clivagem amiloidogênica, dando origem a concentrações elevadas de uma família de peptídeos de folhas β (Figura 3). O principal componente proteico PS os peptideos β amilóides (βA), porém, observa-se a presença freqüente das isoformas Aβ42 e Aβ40 (WEINER et al., 2012). Figura 3. Clivagem da proteína precursora amiloide (PPA) (1) iniciado pelas enzimas β e γ secretases (2) gerando peptídeos da família β amilóide e suas isoformas Aβ42 e Aβ40 (3) (adaptado de WEINER et al., 2012). O acúmulo de proteínas βA promove a sua precipitação e agregação em forma de placas que provocam um processo inflamatório e/ou oxidativo que leva à perda da função neuronal (Figura 4) (CARAMELLI, 2000). 4 1.1.3.1 Placas Senis As placas senis (PS), ou placas amilóides, são estruturas resultantes da deposição ou agregação que ocorre após a clivagem anormal da proteína precursora amilóide (PPA), uma glicoproteína com domínio extracelular extenso e domínio citoplasmático curto, encontrada em quase todas as células de mamíferos, presente em concentração elevada nos neurônios (ARAÚJO, 2010). As enzimas responsáveis pela clivagem da PPA são as α, β e γ secretases. Na DA, a PPA sofre clivagem amiloidogênica, dando origem a concentrações elevadas de uma família de peptídeos de folhas β (Figura 3). O principal componente proteico PS os peptideos β amilóides (βA), porém, observa-se a presença freqüente das isoformas Aβ42 e Aβ40 (WEINER et al., 2012).Figura 3. Clivagem da proteína precursora amiloide (PPA) (1) iniciado pelas enzimas β e γ secretases (2) gerando peptídeos da família β amilóide e suas isoformas Aβ42 e Aβ40 (3) (adaptado de WEINER et al., 2012). O acúmulo de proteínas βA promove a sua precipitação e agregação em forma de placas que provocam um processo inflamatório e/ou oxidativo que leva à perda da função neuronal (Figura 4) (CARAMELLI, 2000). 4 1.1.3.1 Placas Senis As placas senis (PS), ou placas amilóides, são estruturas resultantes da deposição ou agregação que ocorre após a clivagem anormal da proteína precursora amilóide (PPA), uma glicoproteína com domínio extracelular extenso e domínio citoplasmático curto, encontrada em quase todas as células de mamíferos, presente em concentração elevada nos neurônios (ARAÚJO, 2010). As enzimas responsáveis pela clivagem da PPA são as α, β e γ secretases. Na DA, a PPA sofre clivagem amiloidogênica, dando origem a concentrações elevadas de uma família de peptídeos de folhas β (Figura 3). O principal componente proteico PS os peptideos β amilóides (βA), porém, observa-se a presença freqüente das isoformas Aβ42 e Aβ40 (WEINER et al., 2012). Figura 3. Clivagem da proteína precursora amiloide (PPA) (1) iniciado pelas enzimas β e γ secretases (2) gerando peptídeos da família β amilóide e suas isoformas Aβ42 e Aβ40 (3) (adaptado de WEINER et al., 2012). O acúmulo de proteínas βA promove a sua precipitação e agregação em forma de placas que provocam um processo inflamatório e/ou oxidativo que leva à perda da função neuronal (Figura 4) (CARAMELLI, 2000). 5 Figura 4. Formação de oligômeros de proteínas β amilóides (1), agregação dos oligômeros (2) e formação de placas amilóides com perda da capacidade de realizar sinapses (3) (adaptado de KUNG, 2012) 1.1.3.2 Emaranhados Neurofibrilares Os emaranhados neurofibrilares (ENF) são filamentos intraneuronais helicoidais de proteína tau que, normalmente, fazem parte do citoesqueleto e têm papel importante na manutenção da estabilidade dos microtúbulos, mas que são fosforilados de maneira anormal. O cérebro humano começa a produzir uma forma anormal da proteína tau fosforilada, que não se liga aos microtúbulos e encontra-se em concentrações elevadas no citosol. Sob tais condições, a proteína tau anormal tende a formar agregados não biodegradáveis. Não se sabe ainda o porquê das células não eliminarem o material anormal (BRAAK & DEL TREDICI, 2012). O acúmulo dos ENF no interior dos neurônios prejudica o transporte axoplasmático e leva à morte celular. Esses ENF estão presentes em todos os pacientes com DA. Contudo, isso não é uma característica distintiva da DA, uma vez que esses ENF também são encontrados em outras doenças, como síndrome de Down, paralisia supra nuclear progressiva e demência associada à doença de Parkinson (PETRELLA, COLEMAN & DORAISWAMY, 2003) A primeira teoria para explicar completamente a formação de ambas as marcas patológicas (PS e ENF), formulada em 1992, foi a hipótese da cascata amilóide. No entanto, a remoção das placas amilóides não interrompe a progressão da 5 Figura 4. Formação de oligômeros de proteínas β amilóides (1), agregação dos oligômeros (2) e formação de placas amilóides com perda da capacidade de realizar sinapses (3) (adaptado de KUNG, 2012) 1.1.3.2 Emaranhados Neurofibrilares Os emaranhados neurofibrilares (ENF) são filamentos intraneuronais helicoidais de proteína tau que, normalmente, fazem parte do citoesqueleto e têm papel importante na manutenção da estabilidade dos microtúbulos, mas que são fosforilados de maneira anormal. O cérebro humano começa a produzir uma forma anormal da proteína tau fosforilada, que não se liga aos microtúbulos e encontra-se em concentrações elevadas no citosol. Sob tais condições, a proteína tau anormal tende a formar agregados não biodegradáveis. Não se sabe ainda o porquê das células não eliminarem o material anormal (BRAAK & DEL TREDICI, 2012). O acúmulo dos ENF no interior dos neurônios prejudica o transporte axoplasmático e leva à morte celular. Esses ENF estão presentes em todos os pacientes com DA. Contudo, isso não é uma característica distintiva da DA, uma vez que esses ENF também são encontrados em outras doenças, como síndrome de Down, paralisia supra nuclear progressiva e demência associada à doença de Parkinson (PETRELLA, COLEMAN & DORAISWAMY, 2003) A primeira teoria para explicar completamente a formação de ambas as marcas patológicas (PS e ENF), formulada em 1992, foi a hipótese da cascata amilóide. No entanto, a remoção das placas amilóides não interrompe a progressão da 5 Figura 4. Formação de oligômeros de proteínas β amilóides (1), agregação dos oligômeros (2) e formação de placas amilóides com perda da capacidade de realizar sinapses (3) (adaptado de KUNG, 2012) 1.1.3.2 Emaranhados Neurofibrilares Os emaranhados neurofibrilares (ENF) são filamentos intraneuronais helicoidais de proteína tau que, normalmente, fazem parte do citoesqueleto e têm papel importante na manutenção da estabilidade dos microtúbulos, mas que são fosforilados de maneira anormal. O cérebro humano começa a produzir uma forma anormal da proteína tau fosforilada, que não se liga aos microtúbulos e encontra-se em concentrações elevadas no citosol. Sob tais condições, a proteína tau anormal tende a formar agregados não biodegradáveis. Não se sabe ainda o porquê das células não eliminarem o material anormal (BRAAK & DEL TREDICI, 2012). O acúmulo dos ENF no interior dos neurônios prejudica o transporte axoplasmático e leva à morte celular. Esses ENF estão presentes em todos os pacientes com DA. Contudo, isso não é uma característica distintiva da DA, uma vez que esses ENF também são encontrados em outras doenças, como síndrome de Down, paralisia supra nuclear progressiva e demência associada à doença de Parkinson (PETRELLA, COLEMAN & DORAISWAMY, 2003) A primeira teoria para explicar completamente a formação de ambas as marcas patológicas (PS e ENF), formulada em 1992, foi a hipótese da cascata amilóide. No entanto, a remoção das placas amilóides não interrompe a progressão da 6 doença,indicando que esta hipótese isolada não é suficiente para explicar esta patologia (LUAN, ROSALES & LEE, 2012) A causa da DA ainda é um tema controverso, e não existem tratamentos disponíveis que possam impedir a progressão desta doença. Os tratamentos atuais só ajudam a aliviar os sintomas (ROBICHAUD, 2006). Os processos neurodegenerativos com perda considerável de neurônios colinérgicos, resultando numa falha de transmissão central colinérgica, conduziram a formulação da “hipótese colinérgica” (PERRY, 1986) (SCHLIEBS & ARENDT, 2006). 1.1.3.3 Hipótese colinérgica Diversos sistemas neurotransmissores como colinérgico, noradrenérgico, serotoninérgico e dopaminérgico estão alterados na DA. Este fato chamou a atenção para a existência de algumas alterações bioquímicas em pacientes com DA, como a depleção de neurotransmissores (GUALTIERI et al., 1995). Apesar de muitos sistemas neurotransmissores estarem alterados na DA, o sistema colinérgico parece ser o mais comprometido, pois apresenta degeneração das projeções neuronais; perda dos terminais colinérgicos do córtex cerebral; redução da atividade da colina acetiltransferase e redução da síntese de acetilcolina; redução da recaptação de colina; aumento da atividade da acetilcolinesterase (AChE); redução do número de receptores muscarínicos M2; redução do número de receptores nicotínicos α4β42 e α7 (GUALTIERI et al., 1995). A hipótese colinérgica, desenvolvida há pouco mais de 30 anos, pouco antes da hipótese amilóide, foi até então, o alicerce mais importante para o desenvolvimento de novos fármacos para a DA. De acordo com esta hipótese, a degeneração dos neurônios colinérgicos é caracterizada pelo baixo nível de acetilcolina (ACh) no hipocampo e córtex (TERRY & BUCCAFUSCO, 2003), provocando declínio cognitivo e perda de memória (SCHLIEBS & ARENDT, 2006). A AChdesempenha um papel importante no comportamento e na memória, o que, conseqüentemente, destaca a importância das enzimas que hidrolisam este neurotransmissor, isto é, a acetilcolinesterase (ACh, EE.C. 3.1.1.7) e a butirilcolinesterase (BChE, E.Cr. 3.1.1.8) (SUSSMAN et al., 1991) 7 No que diz respeito ao mecanismo da DA, ambas as hipóteses, cascata amilóide e colinérgica, são aceitas. Pesquisas recentes com evidências experimentais in vitro e in vivo indicam que estas duas hipóteses estão inter-relacionadas (GUPTA et al., 2011). Recentemente, a gênese das placas da proteína amilóide foi associada à algumas alterações de ambas as enzimas, AChE e BChE, uma vez que a utilização de inibidores de ChE (AChEI) levam à diminuição destas placas em pacientes com DA (GREIG, LAHIRI & GIACOBINI, 2005; MUSIAL, BAJDA & MALAWSKA, 2007). Adicionalmente, a atividade de AChE diminui progressivamente em certas regiões do cérebro em pacientes em estágio médio ou avançado de DA, alcançando 10–15% dos valores normais, enquanto a atividade de BChE está inalterada, ou ainda, com um aumento de 20%. Assim, o aumento da atividade de BChE é maior no hipocampo e no lobo temporal em pacientes com DA. Os depósitos de material amilóide são observados muitos anos antes de ocorrer a degeneração neuronal e demência; isto sugere que algumas placas podem ser benignas. Ambas as enzimas, AChE e BChE, estão associadas à presença de material amilóide em pacientes idosos com ou sem alterações significativas da memória. É importante salientar que estes fatores podem contribuir para a transformação do amilóide benigno em patogênicas. Placas amilóides avançadas em cérebros de pacientes com DA tem 87% de reatividade para BChE, comparado com 20% de reatividade em estágios iniciais da doença, considerados ainda como depósitos benignos. É possível que a BChE desempenhe um papel importante na transformação de placas benignas em formas malignas associada à degeneração neuronal e demência clínica (BALLARD, 2002). Assim, não é vantagem uma inibição seletiva da AChE; ao contrário, é desejável uma inibição equilibrada da AChE e da BChE, onde uma seletividade para BChE pode resultar em maior eficácia (GIACOBINI, E. , 2004; TUMIATTI et al., 2010). O acúmulo da substância β amilóide é considerado como uma característica fundamental na patogênese da DA. No entanto, outras alterações moleculares e neuroquímicas também ocorrem, como disfunção colinérgica. A descoberta precoce neste campo foi importante, impulsionando estratégias nas abordagens de tratamento, com o uso de inibidores da AChE. A abordagem terapêutica mais aceita, atualmente, é a inibição da AChE. Considera-se esta abordagem adequada, pois a inibição desta enzima, além de 8 aumentar a oferta de acetilcolina na fenda sináptica, também impede o surgimento de complexos neurotóxicos (RECANATINI & VALENTI, 2004) 1.1.4 Acetilcolinesterase A acetilcolinesterase (AChE) é uma enzima que pertence à classe das serino- hidrolases e pode se apresentar na forma solúvel ou ligada à membrana. A forma solúvel é encontrada nas terminações nervosas colinérgicas, onde regula a concentração de acetilcolina livre. Dessa forma, a concentração desse neurotransmissor permanece elevada nas sinapses, e os receptores nicotínicos e muscarínicos, responsáveis pela resposta cognitiva, podem ser ativados. A forma ligada à membrana ocorre em locais inesperados como o eritrócito (RANG, 2004) . A primeira estrutura tridimensional (3D) da AChE determinada, em 1991, é de Torpedo californica (SUSSMAN et al., 1991) e desde então, muitas outras estruturas 3D de AChE livre ou em complexo com diversos inibidores, a partir de diferentes espécies, foram determinados e depositados no banco de dados PDB (do inglês, Protein Data Bank ) do RCSB (Research Collaboratory for Structural Bioinformatics). A estrutura 3D da AChE de T. californica complexada com o íon decametônio, disponível no banco de dados PDB sob o código 1ACL (HAREL et al., 1993), revela um aspecto estrutural interessante desta enzima, onde o sítio ativo está localizado no final de um canal profundo e estreito, com cerca de 20 Å de profundidade, chamado “garganta aromática”, assim denominada, pois mais de 50% de seus aminoácidos são resíduos aromáticos conservados (Phe120, Phe288, Phe290, Phe330, Phe331, Trp84, Trp233, Trp279, Trp432, Tyr70, Tyr121, Try130, Try334 e Tyr442) (XU et al., 2008). O sítio ativo consiste da tríade catalítica (Ser200, Glu327 e His440), do sítio catalítico aniônico (Trp84, Glu199 e Phe330), da cavidade do oxiânion (Gly118, Gly119 e Ala201) e da cavidade do grupo acila (Phe288 e Phe290). Esta enzima possui também um sítio aniônico periférico (PAS, do inglês peripheral anionic site, Asp72, Tyr70, Tyr121, Trp279 e Phe290), localizado na entrada da "garganta aromática" (KRYGER, SILMAN & SUSSMAN, 1998) (Figura 5). 9 Figura 5. Representação esquemática do sítio ativo da acetilcolinesterase com a ACh (ARAÚJO, 2010). Uma estratégia utilizada para aumentar a potência e a seletividade de um fármaco, quando existem múltiplos sítios de reconhecimento, como observado na AChE, é o desenvolvimento de compostos com ação dual, isto é, que permita ligação tanto no sítio ativo quanto no sítio aniônico periférico (CAMPS et al., 2000). Neste sentido, tem se feito um grande esforço para desenvolver novos inibidores de AChE mais potentes e seletivos. Uma melhor compreensão do sítio catalítico de AChE pode identificar novos mecanismos de inibição desta enzima que poderiam resultar em compostos terapeuticamente benéficos. Estudos cinéticos e termodinâmicos têm revelado que os inibidores podem interagir com um ou ambos os sítios de ligação de AChE (AULETTA, JOHNSON & ROSENBERRY, 2010). Esta é a abordagem de desenvolvimento empregada por YU e colaboradores (YU et al., 2010). Além disso, tem sido demonstrado que compostos capazes de interagir simultaneamente com os sítios ativo e periférico de AChE (isto é, um inibidor dual, como o íon decametônio) podem interferir, também, na agregação de β amilóides, 9 Figura 5. Representação esquemática do sítio ativo da acetilcolinesterase com a ACh (ARAÚJO, 2010). Uma estratégia utilizada para aumentar a potência e a seletividade de um fármaco, quando existem múltiplos sítios de reconhecimento, como observado na AChE, é o desenvolvimento de compostos com ação dual, isto é, que permita ligação tanto no sítio ativo quanto no sítio aniônico periférico (CAMPS et al., 2000). Neste sentido, tem se feito um grande esforço para desenvolver novos inibidores de AChE mais potentes e seletivos. Uma melhor compreensão do sítio catalítico de AChE pode identificar novos mecanismos de inibição desta enzima que poderiam resultar em compostos terapeuticamente benéficos. Estudos cinéticos e termodinâmicos têm revelado que os inibidores podem interagir com um ou ambos os sítios de ligação de AChE (AULETTA, JOHNSON & ROSENBERRY, 2010). Esta é a abordagem de desenvolvimento empregada por YU e colaboradores (YU et al., 2010). Além disso, tem sido demonstrado que compostos capazes de interagir simultaneamente com os sítios ativo e periférico de AChE (isto é, um inibidor dual, como o íon decametônio) podem interferir, também, na agregação de β amilóides, 9 Figura 5. Representação esquemática do sítio ativo da acetilcolinesterase com a ACh (ARAÚJO, 2010). Uma estratégia utilizada para aumentar a potência e a seletividade de um fármaco, quando existem múltiplos sítios de reconhecimento, como observado na AChE, é o desenvolvimento de compostos com ação dual, isto é, que permita ligação tanto no sítio ativo quanto no sítio aniônico periférico (CAMPS et al., 2000). Neste sentido, tem se feito um grande esforço para desenvolver novos inibidores de AChE mais potentes e seletivos. Uma melhor compreensão do sítio catalítico de AChE pode identificar novos mecanismos de inibição desta enzima que poderiam resultar em compostos terapeuticamente benéficos.Estudos cinéticos e termodinâmicos têm revelado que os inibidores podem interagir com um ou ambos os sítios de ligação de AChE (AULETTA, JOHNSON & ROSENBERRY, 2010). Esta é a abordagem de desenvolvimento empregada por YU e colaboradores (YU et al., 2010). Além disso, tem sido demonstrado que compostos capazes de interagir simultaneamente com os sítios ativo e periférico de AChE (isto é, um inibidor dual, como o íon decametônio) podem interferir, também, na agregação de β amilóides, 10 desempenhando, assim, uma atividade que vai além da atividade inibitória sobre a enzima. O mecanismo de hidrólise da ACh pela AChE (Figura 6) envolve o ataque nucleofílico da serina ao carbono carbonílico da ACh, gerando um intermediário tetraédrico estabilizado por ligações hidrogênio, o que produz colina livre e serina acetilada. Ao final, a hidrólise da serina acetilada regenera o sítio catalítico da enzima (SILVA, 2002). Figura 6. Representação esquemática do mecanismo de hidrólise da acetilcolina pela acetilcolinesterase (ARAÚJO, 2010). 1.1.5 Butirilcolinesterase Além da AChE, outro tipo de colinesterase é encontrado no sistema nervoso central, a butirilcolinesterase (BChE) ou pseudocolinesterase. A BChE possui ampla distribuição, sendo encontrada em tecidos como fígado, pele e músculo liso (RANG, 2004). Ambas as enzimas são capazes de hidrolisar a acetilcolina (ACh), mas a AChE tem uma atividade hidrolítica 1013 vezes maior do que a da BChE, à mesma temperatura e pH. De fato, no cérebro normal, a atividade da AChE predomina sobre a da BChE, Além disso, é relatado que a AChE pode desempenhar um papel chave na aceleração da deposição de placas amilóides (PAN et al., 2008). Entretanto, evidências demonstram que a atividade da AChE diminui progressivamente em determinadas regiões do cérebro quando a DA chega ao estágio médio e avançado, alcançando apenas 10-15% dos valores normais, enquanto que a 11 atividade da BChE é inalterada ou, até mesmo, aumentada em 20% com a progressão da doença. Portanto, uma quantidade de BChE está disponível em neurônios e placas neuríticas (YU et al., 2010). As enzimas AChE e BChE humanas possuem 65% de similaridade na seqüência primária de aminoácidos. A estrutura 3D da BChE, de modo geral, é semelhante a da AChE, incluindo tríade catalítica, sítio catalítico, aniônico e PAS (PAN et al., 2008). A principal diferença reside na cavidade do grupo acila, onde três resíduos aromáticos presentes na AChE são substituídos por resíduos menos volumosos na BChE, o que resulta numa cavidade maior, permitindo a hidrólise de grupos mais volumosos. A estrutura 3D da BChE de Homo sapiens complexada com o ácido butanóico, disponível no PDB sob o código 1P0I (NICOLET et al., 2003), evidencia que o sítio ativo também está localizado no final de um canal profundo e estreito. O sítio ativo consiste da tríade catalítica (Ser198, Glu325 e His438), da cavidade do grupo acila (Leu286 e Val288). O sítio aniônico periférico (PAS) desta enzima é composto e está localizado na entrada da garganta aromática e pode ter uma função de "guardião eletrostático". Os resíduos deste sítio PAS são Asp70 e Tyr332 (NAWAZ et al., 2011) que parecem ser responsáveis pela interação eletrostática inicial com os substratos de carga positiva e modificam a arquitetura do sítio ativo da BChE. Algumas evidências sugerem que a inibição da BChE no cérebro pode representar uma estratégia terapêutica para a DA. É relatado, ainda, que a BChE desempenha um papel fundamental, que pode, em parte, compensar a ação da AChE. Por isso, um bom equilíbrio entre os perfis de inibição da AChE e BChE pode resultar em melhor efeito, na cognição, nas atividades da vida diária e na função global em pacientes com DA de grau leve a moderado (GIACOBINI, E., 2004). 1.1.6 Tratamento da doença de Alzheimer Ainda não existe cura para a DA, entretanto, as opções de tratamento disponíveis aliviam os sintomas e trazem benefícios significativos para os pacientes e suas famílias. Os inibidores da acetilcolinesterase (AChEIs) foram os primeiros medicamentos aprovados e utilizados no tratamento dos sintomas dos pacientes com DA (SMALL & BULLOCK, 2011). Os AChEIs têm demonstrado eficácia em três grandes domínios: atividades do cotidiano, comportamento, e função cognitiva. Eles provocam o acúmulo 12 de acetilcolina nos receptores colinérgicos, produzindo efeitos equivalentes aos da estimulação excessiva dos receptores colinérgicos nos sistemas nervoso central e periférico. Historicamente a fisostigmina foi descrita como a primeira substancia inibidora de colinesterase capaz de atravessar a barreira hemato-encefalico sendo muito útil em neurologia. A fisostigmina é um alcalóide obtido a partir da fava de Calabar uma planta perene escalada em tropical da África Ocidental. Esta substância restaura a transmissão colinérgica no cérebro aliviando os sintomas clínicos de disfunção colinérgica central, é utilizada no tratamento de glaucoma, em anestesias e em intoxicação por atropina, escopolamina e outras drogas anticolinérgicas (DWORACEK & RUPREHT, 2002). Embora tenha demonstrado melhoras significativas da cognição em estudos clínicos controlados, mostrou efeitos adversos importantes, como a elevação de enzimas hepáticas (demandando controles periódicos de TGO e TGP), além de requerer várias tomadas ao dia. A tacrina foi o primeiro AChEI introduzido na terapia para o tratamento contra a DA (TUMIATTI et al., 2010). Dentre os AChEIs aprovados para uso na DA, donepezil e galantamina inibem seletivamente a AChE, enquanto que tacrina e rivastigmina inibem tanto a AChE quanto a BChE (Figura 7) (MUSIAL, BAJDA & MALAWSKA, 2007). A segunda geração de inibidores da acetilcolinesterase, mostrou ter bem menos toxicidade hepática e maior facilidade posológica. Os efeitos colaterais são, em geral, gastrointestinais, tipo náuseas, vômitos e diarréia, podendo também afetar o sono. Com isso o planejamento de novos compostos que possam inibir ambas as colinesterases, interagindo em ambos os sítios (catalítico e PAS) e que apresentem menos reações adversas representa uma estratégia inovadora para o tratamento de pacientes com DA (TUMIATTI et al., 2010). 13 Figura 7. Estrutura dos principais fármacos utilizados no tratamento da doença de Alzheimer. 1.1.7 Inibidores de sítio dual de colinesterases Com base na estrutura 3D da AChE, uma série de derivados 4- [(dietilamino)-metil]-fenóxi-alquil-amina (Figura 8) foi planejada e avaliada, mostrando potente atividade inibitória frente às enzimas AChE e BChE (YU et al., 2010). Esta série foi desenvolvida baseada no processo de otimização de compostos anteriormente desenvolvidos por este grupo que indicaram a existencia de uma boa atividade, devido a forte interação com o sítio ativo. Além disso, também descreveram que a introdução de um segundo grupamento com o grupo amina melhorava a inibição de AChE devido a interações electrostáticas com o PAS da enzima, o que é desejável para uma melhor inibição (YU et al., 2010). Figura 8. Estrutura geral dos derivados fenólicos (adaptado de Yu et al, 2010) 14 Os compostos sintetizados por Yu e colaboradores (2010) (Tabela 1), foram testados contra as enzimas AChE de enguia elétrica (Electrophorus electricus) e BChE de soro de cavalo (Equus caballus), empregando o ensaio de Ellman (ELLMAN et al., 1961). A série desenvolvida por Yu e colaboradores foi escolhida para o presente estudo baseando-se nas características descritas anteriormente e por apresentarem uma boa quantidade de compostos com boa distribuição de atividade. 1.2. Modelagem Molecular O processo de descoberta de novos fármacos é dispendioso, tanto em relação a tempo quanto aos recursos empregados. Em geral, para que um novo fármaco seja lançado no mercado, são necessários de 12 a 24 anos de desenvolvimento, com um gasto estimado entre 800 milhões a 1,4 bilhões de dólares (GELDENHUYS et al., 2006). Dessa forma, é necessária autilização de técnicas que otimizem o planejamento de novas entidades químicas que possam atuar como fármacos, com o intuito de minimizar custo e tempo (MEEK et al., 2006). O planejamento de novos fármacos auxiliado por computador (Computer-Aided Drug Design, CADD) pode ser empregado para melhorar a eficiência do processo de descoberta, podendo reduzir em até 50% o custo da pesquisa por um novo agente terapêutico (GELDENHUYS et al., 2006). A modelagem molecular reúne um conjunto de técnicas computacionais que possibilita a construção e geração de modelos moleculares 3D, permitindo a análise de variações estruturais que auxiliam na interpretação de dados entre a estrutura de uma série de compostos com a variação da atividade biológica, sendo de grande importância no planejamento de fármacos (MAGALHÃES, 2009). A modelagem molecular utiliza química computacional e técnicas de visualização gráfica para a investigação de estruturas e de propriedades moleculares, sob um dado conjunto de circunstâncias (SANT’ANNA, 2002) Estas técnicas computacionais podem ser aplicadas utilizando duas estratégias conhecidas como planejamento “indireto” e "direto". O primeiro não depende estrutura 3D do receptor e é denominado, também, como "planejamento de fármacos baseado na estrutura do ligante" (LBDD, do inglês “Ligand-Based Drug Design”) (SODERO, 15 2011). O segundo depende da estrutura 3D do complexo ligante-receptor é conhecido, também, como "planejamento de fármacos baseado na estrutura do receptor" (SBDD, do inglês “Structure-Based Drug Design”) (KONTOYIANNI, MCCLELLAN & SOKOL, 2004). A escolha da melhor estratégia depende das informações disponíveis relacionadas ao conhecimento das estruturas dos ligantes e do alvo (OOMS, 2000). A modelagem indireta pode usar métodos estatísticos para relacionar aspectos estruturais de moléculas pequenas (ligantes) com os valores de atividade biológica obtidos experimentalmente, identificando características específicas que são necessárias para interagir com o alvo (SODERO, 2011). De posse dessas informações, um modelo poderá ser gerado para delinear o planejamento de novos candidatos a fármacos (JORGENSEN, 2004). Na abordagem direta, a estrutura 3D do alvo (enzima, DNA ou receptor) é conhecida. Em geral, as estruturas 3D são obtidas por métodos experimentais, como difração de raios-X e ressonância magnética nuclear (RMN) (ACHARYA & LLOYD, 2005), ou por métodos teóricos como modelagem comparativa, possibilitando um melhor entendimento sobre o modo de interação do ligante (KONTOYIANNI, MCCLELLAN & SOKOL, 2004). Estes dados permitem propor modificações no ligante para melhorar a afinidade e especificidade com o alvo. 1.2.1. Correlação Quantitativa entre Estrutura Química e Atividade Biológica. Na década de 1960, Hansch e Fujita propuseram que a variação da atividade biológica de uma série de moléculas poderia ser correlacionada, quantitativamente, com a variação de parâmetros físico-químicos obtidos para estas moléculas. Essa relação ficou conhecida como “Equação de Hansch” (HANSCH & FUJITA, 1964). Estes estudos estabeleceram, pela primeira vez, a metodologia conhecida como “Relação Quantitativa entre Estrutura e Atividade” (Quantitative Structure-Activity Relationship, QSAR). Nessa mesma época, Free e Wilson correlacionaram variáveis com a atividade biológica, atribuindo o valor de 1 (um) à presença de um determinado substituinte (ou característica estrutural) e o valor de 0 (zero) a sua ausência (FREE & WILSON, 1964). 16 Didaticamente, a metodologia de QSAR pode apresentar de 1 até 6 dimensões. De acordo com as dimensões dos descritores moleculares, a metodologia de QSAR pode ser classificada em: i) QSAR-1D ou QSAR clássico ou análise de Hansch (HANSCH & FUJITA, 1964), onde a atividade biológica é correlacionada com propriedades de descritores globais, como parâmetros físico-químico (LogP e pKa); ii) QSAR-2D, onde a estrutura do ligante é representada por padrões estruturais bidimensionais, surgindo os descritores topológicos, como índice de conectividade (VEDANI & DOBLER, 2002); iii) QSAR-3D que emprega descritores que consideram a estrutura 3D do ligante (HOPFINGER, 1980; CRAMER, PATTERSON & BUNCE, 1988; DEBNATH, 2001); iv) QSAR-4D, em que os ligantes são representados por um conjunto de conformações em função do tempo de simulação por dinâmica molecular (HOPFINGER et al., 1997); v) QSAR-5D, onde há a representação de diferentes modelos de encaixe induzido (ligante-receptor); e vi) QSAR-6D, com a representação de diferentes cenários de solvatação (LILL, 2007). Os métodos de QSAR consistem de duas etapas básicas: i) Cálculos de descritores moleculares; e ii) Geração estatística do modelo de QSAR. 1.2.1.1. Correlação quantitativa entre a estrutura química e a atividade biológica utilizando fragmentos estruturais O método de QSAR baseado em hologramas (HQSAR, do inglês Hologram Quantitative Structure Activity Relationship) emprega hologramas moleculares gerados por fragmentação da estrutura 2D. Os hologramas definem a quantidade de tipos diferentes de fragmentos que dão origem aos descritores. Os descritores 2D codificam a estrutura química que compõem um banco de dados de forma a permitir que a similaridade molecular possa ser investigada e correlacionada com a atividade biológica correspondente. Assim, a conectividade 2D das estruturas químicas é codificada em um arranjo numérico binário, onde cada número é expresso pelo uso de apenas dois dígitos, 0 e 1. A designação desse modo de representar as estruturas químicas é comumente conhecido como “mapeamento dos fragmentos” (do inglês, fingerprint) de uma molécula e é um dos métodos mais conhecidos de medir a similaridade química (BROWN & MARTIN, 1996). O princípio básico desta metodologia é determinar a presença ou não de determinadas características estruturais de acordo com a notação descrita a seguir, 17 Nesta notação, Xij é o descritor 2D com a característica i presente ou não no composto (FRANK, HUEBEL & STREICH, 1985). Muitos esquemas de notação linear, como SLN (sigla do inglês, Sybyl Line Notation) (ASH et al., 1997) são usados. No método de QSAR por análise de fragmentos (HQSAR, do inglês Hologram Quantitative Structure-Activity Relationship), apenas as estruturas 2D e a atividade biológica são usadas como dados de entrada (HURST & HERITAGE, 1997). Diferente dos métodos de QSAR- 3D, o HQSAR, como qualquer outro método de QSAR-2D, não necessita da geração de conformações bioativas nem de alinhamento molecular. Porém, informações 3D, como hibridização e quiralidade, estão incorporadas de modo codificado nos hologramas. Os fragmentos gerados da quebra de estruturas químicas de um banco de dados são correlacionados aos dados de atividade biológica, utilizando o método estatístico dos mínimos quadrados parciais (PLS, do inglês Partial Least Squares) associado à validação cruzada (YE & DAWSON, 2009). Os fragmentos são então, mapeados e codificados por um número inteiro único, numa faixa de 0 a 231, usando um algoritmo específico (CRC, do inglês cyclic redundancy check). Cada número é usado para marcar um fragmento específico que é alocado em uma região específica e numerada de forma ordenada e de tamanho pré-determinado (holograma molecular) (Figura 8) (YAN et al., 2009). xij= 1, característica i está presente no composto j 0, característica i não está presente no composto j 18 Figura 9. Geração de um holograma molecular (TONG et al., 1998). O modelo obtido por HQSAR depende do tamanho do holograma e da informação contida nos fragmentos gerados. A natureza particular dos fragmentos estruturais gerados por HQSAR e, conseqüentemente, a informação contida no holograma molecular podem ser alteradas por dois tipos de parâmetros: Tamanho do fragmento e distinção do fragmento. O tamanho do fragmento é fixado por valores mínimo e máximo de átomos que um fragmento específico pode conter. A distinçãodo fragmento descreve as informações contidas nos fragmentos a partir da molécula original em termos de átomos, ligações, conectividade, átomos de hidrogênio e quiralidade. Uma análise completa de HQSAR envolve a investigação de fragmentos moleculares diretamente relacionados com a variação da atividade biológica de modo a que se possa propor modificações estruturais. Assim, os modelos de HQSAR podem ser representados graficamente como diagramas de códigos de cores. Onde cada cor de cada átomo reflete a sua contribuição para a variação de potência. As extremidades vermelha e verde do espectro refletem as contribuições negativas e positivas, respectivamente, enquanto que átomos com contribuições intermediários são de cor branca (Figura 10). O geração de fragmentos O Estrutura Molecular Fragmentos algorítmo 12 5 9 1 2 3 4 65 7 8 9 10 3 6 2 0 5 813 0 7 número de identificação dos fragmentos Holograma Molecular número de identificação do compartimento do holograma 1 19 Figura 10. Exemplo de representação das contribuições atômicas individuais 1.3. Modelagem comparativa As estruturas 3D de novos alvos moleculares, principalmente proteínas, enzimas e receptores são de grande importância para a compreensão dos fenômenos biológicos a nível molecular. Neste contexto, esforços têm sido feitos no sentido de elucidar o maior número possível de estruturas 3D (SANTOS FILHO & ALENCASTRO, 2003). O número de estruturas resolvidas experimentalmente aumenta lentamente quando comparado ao número de novas seqüências primárias depositadas em bancos de dados, apesar das técnicas de determinação experimental de estrutura 3D de proteínas estar avançando rapidamente (CAVASOTTO & PHATAK, 2009). A ausência de estruturas experimentais faz com que a modelagem molecular de proteínas seja a ferramenta mais bem sucedida para a predição da estrutura 3D (SILVA & SILVA, 2007). A modelagem comparativa, ou por homologia, é uma metodologia utilizada para criar modelos de estrutura 3D de uma proteína, baseando-se no conceito de evolução molecular, onde parte-se do princípio que proteínas com seqüências primárias semelhantes apresentam estruturas tridimensionais similares (SANTOS FILHO & ALENCASTRO, 2003; SODERO, 2011). Esta técnica baseia-se nos padrões estruturais conservados que são observados em proteínas com estruturas primárias similares, geralmente membros da mesma família (CAVASOTTO & PHATAK, 2009). Em resumo, os padrões gerais que têm sido observados, em nível molecular, no processo de evolução biológica são: (i) homologia entre seqüências de aminoácidos implica em semelhança estrutural e funcional; (ii) proteínas homólogas apresentam regiões internas conservadas; (iii) as principais diferenças estruturais entre proteínas homólogas ocorrem nas regiões externas, constituídas principalmente por alças 20 (“loops”), que ligam os elementos de estruturas secundária (SANTOS FILHO & ALENCASTRO, 2003). Nesse momento, se faz necessário definir alguns termos, como homologia, similaridade e identidade. Homologia é o termo usado quando duas ou mais seqüencias primárias de proteínas derivam da mesma seqüência ancestral. O termo similaridade refere-se à presença aminoácidos semelhantes na mesma posição em seqüencias alinhadas. Identidade refere-se à presença do mesmo aminoácido na mesma posição em duas seqüência alinhadas (GIBAS & JAMBECK, 2001). O processo de modelagem comparativa consiste, basicamente, em quatro etapas (Figura 11) (CAVASOTTO & PHATAK, 2009; RAYAN, 2009): (1) Identificação e seleção de proteínas-molde; (2) Alinhamento das seqüências primárias das proteínas; (3) Construção do modelo; e (4) Validação do modelo. 21 Figura 11. Etapas da construção de um modelo 3D por modelagem comparativa(Adaptado de MARTI- RENOM et al, 2000). (1) Identificação e seleção de proteínas-molde Esta etapa envolve a identificação de uma (ou mais) proteína de estrutura 3D conhecida, que servirá de molde (template) para a determinação da estrutura 3D da proteína-problema. Em geral, modelos confiáveis podem ser obtidos a partir de proteínas de referência que apresente 30% (ou mais) de identidade (RAYAN, 2009). (2) Alinhamento das seqüências primárias das proteínas: A etapa de alinhamento é crucial, pois erros na identificação de domínios geram modelos de baixa qualidade. O objetivo do alinhamento é alinhar resíduos estruturalmente equivalentes levando em conta características estruturais comuns, como elementos de estrutura secundária e resíduos catalíticos (SANTOS FILHO & 21 Figura 11. Etapas da construção de um modelo 3D por modelagem comparativa(Adaptado de MARTI- RENOM et al, 2000). (1) Identificação e seleção de proteínas-molde Esta etapa envolve a identificação de uma (ou mais) proteína de estrutura 3D conhecida, que servirá de molde (template) para a determinação da estrutura 3D da proteína-problema. Em geral, modelos confiáveis podem ser obtidos a partir de proteínas de referência que apresente 30% (ou mais) de identidade (RAYAN, 2009). (2) Alinhamento das seqüências primárias das proteínas: A etapa de alinhamento é crucial, pois erros na identificação de domínios geram modelos de baixa qualidade. O objetivo do alinhamento é alinhar resíduos estruturalmente equivalentes levando em conta características estruturais comuns, como elementos de estrutura secundária e resíduos catalíticos (SANTOS FILHO & 21 Figura 11. Etapas da construção de um modelo 3D por modelagem comparativa(Adaptado de MARTI- RENOM et al, 2000). (1) Identificação e seleção de proteínas-molde Esta etapa envolve a identificação de uma (ou mais) proteína de estrutura 3D conhecida, que servirá de molde (template) para a determinação da estrutura 3D da proteína-problema. Em geral, modelos confiáveis podem ser obtidos a partir de proteínas de referência que apresente 30% (ou mais) de identidade (RAYAN, 2009). (2) Alinhamento das seqüências primárias das proteínas: A etapa de alinhamento é crucial, pois erros na identificação de domínios geram modelos de baixa qualidade. O objetivo do alinhamento é alinhar resíduos estruturalmente equivalentes levando em conta características estruturais comuns, como elementos de estrutura secundária e resíduos catalíticos (SANTOS FILHO & 22 ALENCASTRO, 2003). Abordagens computacionais para o alinhamento de seqüência dividem-se, em geral, em duas categorias: locais e globais. O alinhamento local é usado para comparar apenas algumas regiões de duas seqüências primárias (geralmente as regiões mais conservadas) de proteínas similares. O algoritmo mais empregado na busca por seqüências similares em banco de dados é o BLAST (do inglês, Basic Local Alignment Search Tool) (ALTSCHUL et al., 1990). O alinhamento global é usado para comparar toda a extensão de duas seqüências primárias de proteínas resultando em apenas a um alinnhamento (GIBAS & JAMBECK, 2001). A qualidade de um alinhamento é determinada pela soma dos pontos obtidos pela unidade pareada (match) menos as penalidades pela introdução de espaçamentos (gaps) e posições não pareadas (mismatch). Existem vários programas que realizam esta tarefa de alinhamento de seqüências (SOUZA, 2011), além, da inspeção visual. (3) Construção do modelo A construção da parte interna da proteína-alvo (regiões conservadas), fundamenta-se na idéia de que a conformação da cadeia principal da estrutura-molde pode ser transferida. Posteriormente, as conformações das alças são avaliadas, seguida da adição das cadeias laterais (RAYAN, 2009). Existem muitos métodos de modelagem das regiões conservadas. Os mais importantes são: a) modelagem por restrição espacial e b) modelagem por corpos rígidos (DAGA, PATEL & DOERKSEN, 2010). A modelagem por restrição espacial assume que diversas características geométricas são conservadas em proteínas homólogas, ao comparar as posições equivalentes. O programa Modeller é o mais utilizado, atualmente, para a modelagem estrutural de
Compartilhar